Makerobo K210 套件并不是单个开发板加几个传感器而是一套覆盖输入采集、输出控制、显示交互、通信扩展、运动控制和 AI 视觉的边缘智能硬件实验平台。正式进入 LED、蜂鸣器、传感器和摄像头实验之前需要先完成模块清点。模块清楚了后续接线、代码、实验现象和排错过程才会更加稳定。文章目录理论基础硬件设施软件代码扩展应用总结理论基础实验原理K210 套件中的每个模块都不是孤立存在的。开发板负责运行 MicroPython 程序扩展板负责引出接口输入模块负责采集现实世界数据输出模块负责反馈状态通信模块负责数据交换执行模块负责产生动作摄像头和 KPU 负责完成 AI 视觉推理。从工程角度看完整的 K210 实验通常包含一条清晰的数据链路。外部环境产生变化传感器或摄像头采集数据K210 程序完成判断或推理再通过 LED、蜂鸣器、LCD、继电器、电机或舵机输出结果。这就是边缘 AI 硬件课程的核心逻辑。实验基础套件清点不能只看模块数量更重要的是理解模块类型。LED、蜂鸣器、继电器属于输出反馈按键、触摸、倾斜、振动、干簧管属于输入检测雨滴、温度、声音、光敏、烟雾属于环境采集LCD、OLED、数码管属于数据显示摄像头、KPU 模型属于 AI 视觉实验基础。后续课程可以按照“基础控制、输入检测、模拟量采集、显示交互、通信扩展、运动控制、视觉识别、AI 推理”逐步推进。这样安排比单纯按模块顺序学习更稳定因为每一类实验都有明确能力目标。硬件设施实验所需硬件本篇的重点是清点套件资源不进行复杂接线。需要将主板、扩展板、线材、传感器、显示模块、执行模块和视觉模块按类别摆放确认每个模块是否完整接口是否清晰是否具备后续实验所需的基础条件。模块清点时可以按照“作用”而不是“外观”分类。比如按键和触摸开关外观不同但都属于人工输入雨滴、光敏、声音和烟雾检测对象不同但都属于环境采集OLED、LCD1602 和 TM1637 显示形式不同但都属于数据显示。软件代码实验所需软件环境模块清点阶段的软件目标不是控制某个具体硬件而是确认开发环境可以运行代码并把后续实验分类打印出来。CanMV IDE 可以作为代码运行和串口输出工具串口终端可以用于查看清点结果和课程分类信息。下面程序用于在 CanMV IDE 串口终端中输出 Makerobo K210 套件模块分类信息。它不依赖外部传感器适合作为模块清点阶段的运行测试脚本。# Makerobo K210 套件模块清点与实验分类脚本# 功能在串口终端输出模块分类和后续实验方向importtimeimportosprint(Makerobo K210 Edge Computing AI Super Kit)print(Module checklist start)print(-*40)try:print(Current file list:,os.listdir())exceptExceptionase:print(File system check error:,e)kit_modules{主控与扩展:[CanMV K210 开发板,CMVBlock K210 学习扩展板,Type-C 数据线,面包板,杜邦线],基础输出:[板载 LED,双色 LED,RGB LED,七彩 LED,蜂鸣器,继电器,激光模块],输入检测:[轻触按键,触摸开关,倾斜传感器,振动传感器,干簧管传感器,U 型光电传感器],模拟采集:[PCF8591 ADC,电位器模块,PS2 摇杆,雨滴传感器,声音传感器,光敏传感器],环境检测:[DHT11 温湿度传感器,DS18B20 温度传感器,BMP280 气压传感器,火焰传感器,烟雾传感器,HC-SR04 超声波模块],显示交互:[LCD 显示屏,OLED 显示屏,LCD1602,TM1637 数码管],通信扩展:[MFRC522 RFID,WiFi 模块,I2C 通信模块,SPI 通信模块,UART 串口通信],运动执行:[直流电机风扇,28BYJ-48 步进电机,角度舵机],AI 视觉:[摄像头模块,LCD 图像显示,KPU 模型推理,YOLO 目标检测,人脸检测,MNIST 手写数字识别]}forcategory,modulesinkit_modules.items():print(\n[{}].format(category))forindex,moduleinenumerate(modules,1):print( {}. {}.format(index,module))time.sleep_ms(50)print(\nModule checklist finished)print(Next step: GPIO output experiment)这段代码主要完成三个动作。程序先打印套件名称和清点提示再通过os.listdir()查看当前文件系统状态接着用字典保存模块分类信息并循环输出每一类模块名称。它的作用是让开发环境、串口输出和课程分类信息同时完成一次基础验证。模块清点脚本本身不控制外部硬件但它适合放在课程早期使用。通过串口输出可以确认 CanMV IDE、开发板连接、MicroPython 运行和文件系统访问基本正常。后续每一篇实验都可以继续沿用这种“先分类、再接线、再运行”的教学思路。扩展应用常见问题模块清点阶段最常见的问题不是代码运行失败而是模块名称混淆、接口类型混淆、供电电压不清楚、外观相似模块拿错、AI 模型文件和普通硬件模块混在一起。清点工作做得越细后续实验排错越简单。扩展实验完成模块清点后可以给每个模块建立编号标签并把编号写入课程笔记。后续做实验时只需要根据编号查找模块再按接线表连接开发板。对于 AI 视觉类实验还可以单独建立模型文件清单记录模型名称、用途、存放路径和对应实验。总结本篇完成了 Makerobo K210 套件模块清点与实验分类整理。套件中的模块可以按主控、输入、输出、显示、通信、运动执行和 AI 视觉等方向建立清晰分类。完成清点后后续实验就能按模块角色推进。基础控制负责建立 GPIO 能力传感器负责采集数据显示屏负责呈现状态摄像头和 KPU 负责进入边缘 AI 视觉应用。
Makerobo K210 套件并不是单个开发板加几个传感器而是一套覆盖输入采集、输出控制、显示交互、通信扩展、运动控制和 AI 视觉的边缘智能硬件实验平台。正式进入 LED、蜂鸣器、传感器和摄像头实验之前需要先完成模块清点。模块清楚了后续接线、代码、实验现象和排错过程才会更加稳定。文章目录理论基础硬件设施软件代码扩展应用总结理论基础实验原理K210 套件中的每个模块都不是孤立存在的。开发板负责运行 MicroPython 程序扩展板负责引出接口输入模块负责采集现实世界数据输出模块负责反馈状态通信模块负责数据交换执行模块负责产生动作摄像头和 KPU 负责完成 AI 视觉推理。从工程角度看完整的 K210 实验通常包含一条清晰的数据链路。外部环境产生变化传感器或摄像头采集数据K210 程序完成判断或推理再通过 LED、蜂鸣器、LCD、继电器、电机或舵机输出结果。这就是边缘 AI 硬件课程的核心逻辑。实验基础套件清点不能只看模块数量更重要的是理解模块类型。LED、蜂鸣器、继电器属于输出反馈按键、触摸、倾斜、振动、干簧管属于输入检测雨滴、温度、声音、光敏、烟雾属于环境采集LCD、OLED、数码管属于数据显示摄像头、KPU 模型属于 AI 视觉实验基础。后续课程可以按照“基础控制、输入检测、模拟量采集、显示交互、通信扩展、运动控制、视觉识别、AI 推理”逐步推进。这样安排比单纯按模块顺序学习更稳定因为每一类实验都有明确能力目标。硬件设施实验所需硬件本篇的重点是清点套件资源不进行复杂接线。需要将主板、扩展板、线材、传感器、显示模块、执行模块和视觉模块按类别摆放确认每个模块是否完整接口是否清晰是否具备后续实验所需的基础条件。模块清点时可以按照“作用”而不是“外观”分类。比如按键和触摸开关外观不同但都属于人工输入雨滴、光敏、声音和烟雾检测对象不同但都属于环境采集OLED、LCD1602 和 TM1637 显示形式不同但都属于数据显示。软件代码实验所需软件环境模块清点阶段的软件目标不是控制某个具体硬件而是确认开发环境可以运行代码并把后续实验分类打印出来。CanMV IDE 可以作为代码运行和串口输出工具串口终端可以用于查看清点结果和课程分类信息。下面程序用于在 CanMV IDE 串口终端中输出 Makerobo K210 套件模块分类信息。它不依赖外部传感器适合作为模块清点阶段的运行测试脚本。# Makerobo K210 套件模块清点与实验分类脚本# 功能在串口终端输出模块分类和后续实验方向importtimeimportosprint(Makerobo K210 Edge Computing AI Super Kit)print(Module checklist start)print(-*40)try:print(Current file list:,os.listdir())exceptExceptionase:print(File system check error:,e)kit_modules{主控与扩展:[CanMV K210 开发板,CMVBlock K210 学习扩展板,Type-C 数据线,面包板,杜邦线],基础输出:[板载 LED,双色 LED,RGB LED,七彩 LED,蜂鸣器,继电器,激光模块],输入检测:[轻触按键,触摸开关,倾斜传感器,振动传感器,干簧管传感器,U 型光电传感器],模拟采集:[PCF8591 ADC,电位器模块,PS2 摇杆,雨滴传感器,声音传感器,光敏传感器],环境检测:[DHT11 温湿度传感器,DS18B20 温度传感器,BMP280 气压传感器,火焰传感器,烟雾传感器,HC-SR04 超声波模块],显示交互:[LCD 显示屏,OLED 显示屏,LCD1602,TM1637 数码管],通信扩展:[MFRC522 RFID,WiFi 模块,I2C 通信模块,SPI 通信模块,UART 串口通信],运动执行:[直流电机风扇,28BYJ-48 步进电机,角度舵机],AI 视觉:[摄像头模块,LCD 图像显示,KPU 模型推理,YOLO 目标检测,人脸检测,MNIST 手写数字识别]}forcategory,modulesinkit_modules.items():print(\n[{}].format(category))forindex,moduleinenumerate(modules,1):print( {}. {}.format(index,module))time.sleep_ms(50)print(\nModule checklist finished)print(Next step: GPIO output experiment)这段代码主要完成三个动作。程序先打印套件名称和清点提示再通过os.listdir()查看当前文件系统状态接着用字典保存模块分类信息并循环输出每一类模块名称。它的作用是让开发环境、串口输出和课程分类信息同时完成一次基础验证。模块清点脚本本身不控制外部硬件但它适合放在课程早期使用。通过串口输出可以确认 CanMV IDE、开发板连接、MicroPython 运行和文件系统访问基本正常。后续每一篇实验都可以继续沿用这种“先分类、再接线、再运行”的教学思路。扩展应用常见问题模块清点阶段最常见的问题不是代码运行失败而是模块名称混淆、接口类型混淆、供电电压不清楚、外观相似模块拿错、AI 模型文件和普通硬件模块混在一起。清点工作做得越细后续实验排错越简单。扩展实验完成模块清点后可以给每个模块建立编号标签并把编号写入课程笔记。后续做实验时只需要根据编号查找模块再按接线表连接开发板。对于 AI 视觉类实验还可以单独建立模型文件清单记录模型名称、用途、存放路径和对应实验。总结本篇完成了 Makerobo K210 套件模块清点与实验分类整理。套件中的模块可以按主控、输入、输出、显示、通信、运动执行和 AI 视觉等方向建立清晰分类。完成清点后后续实验就能按模块角色推进。基础控制负责建立 GPIO 能力传感器负责采集数据显示屏负责呈现状态摄像头和 KPU 负责进入边缘 AI 视觉应用。
